Le d’adopter une «mesure» appropriée pour quantifier la similarité

Le modèle d’appariement est adopté pour détecter
les petites pièces qui correspondent à une image modèle. Cette technique est
largement utilisée dans les domaines de détection d’objets tels que le suivi de
véhicules, la robotique, l’imagerie médicale et dans l’industrie dans le cadre
du contrôle qualité.Le point crucial est d’adopter une «mesure» appropriée pour
quantifier la similarité ou l’appariement. Cependant, cette méthode nécessite
également un coût de calcul élevé puisque le processus de correspondance
implique de déplacer l’image du modèle à toutes les positions possibles dans
une image source plus grande et de calculer un index numérique indiquant
combien le motif correspond à l’image dans cette position. Ce problème est donc
considéré comme un problème d’optimisation.La mesure de la correspondance entre
deux images est considérée comme une métrique qui indique le degré de
ressemblance ou de dissemblance entre elles. Cette statistique peut être en
augmentation ou décroissant avec un degré de similitude. Lorsque la mesure est
spécifiquement indiquée comme une mesure de l’inadéquation, c’est une quantité
qui augmente avec le degré de dissimilarité.En glissant, nous déplaçons le
patch d’un pixel à la fois (de gauche à droite, de haut en bas). A chaque
emplacement, une métrique est calculée, elle représente “bon” ou
“mauvais” match à cet endroit. Pour chaque emplacement du modèle sur
l’image source, nous stockons la métrique dans la matrice de résultats (R).
Chaque emplacement (xy) dans R contient la métrique de correspondance. L’image
ci-dessous est le résultat R de glisser le patch avec une métrique NSSD. Les
endroits les plus brillants indiquent les correspondances les plus élevées.
L’emplacement marqué par le cercle rouge est celui qui a la valeur la plus
élevée. Ainsi, cet emplacement (le rectangle formé par ce point comme un coin
et la largeur et la hauteur égales à l’image du patch) est considéré comme la
correspondance